GEO für Produktdaten: So werden deine Produkte in ChatGPT & Co. gefunden

Deine Kunden fragen nicht mehr nur Google. Sie fragen ChatGPT, Perplexity oder den KI-Modus von Google: "Welcher Hersteller bietet Kabelverschraubungen mit ATEX-Zulassung ab Lager?" Und die KI antwortet, mit konkreten Produkten und Anbietern. Ob deine Produkte in dieser Antwort auftauchen, entscheidet nicht mehr allein dein Google-Ranking, sondern die Frage: Sind deine Produktdaten für KI-Systeme zitierbar? Genau darum geht es bei Generative Engine Optimization (GEO). In diesem Artikel erklären wir, was GEO von SEO unterscheidet, warum Produktdaten dabei die Hauptrolle spielen, und was wir bei entitys selbst umgesetzt haben, inklusive der Dinge, die (noch) nicht messbar sind.

Was ist Generative Engine Optimization (GEO)?

Generative Engine Optimization bezeichnet alle Maßnahmen, mit denen Inhalte so aufbereitet werden, dass KI-Assistenten wie ChatGPT, Perplexity, Claude oder Googles KI-Übersichten sie als Quelle verwenden und zitieren. Der Begriff stammt aus einer Studie von Forschern der Princeton University aus dem Jahr 2023, die erstmals systematisch untersucht hat, welche Eigenschaften von Inhalten die Sichtbarkeit in generierten Antworten erhöhen.

Der zentrale Unterschied zu SEO: Eine klassische Suchmaschine liefert eine Liste von Links, und du optimierst darauf, in dieser Liste möglichst weit oben zu stehen. Ein KI-Assistent liefert dagegen eine fertige Antwort, die er aus mehreren Quellen zusammensetzt (synthetisiert). Es gibt keine Position 1 bis 10 mehr, sondern nur noch die Frage: Wirst du als Quelle herangezogen, oder nicht?

Wichtig: GEO ersetzt SEO nicht. KI-Assistenten greifen für aktuelle Informationen auf klassische Suchindizes zurück. Wer für Google unsichtbar ist, ist es meist auch für ChatGPT. GEO ist die Schicht darüber: Es sorgt dafür, dass deine Inhalte aus den gefundenen Quellen auch tatsächlich in die Antwort übernommen werden.

Wie KI-Suche die B2B-Produktrecherche verändert

Im B2B war die Recherche schon immer textlastig: Ein Einkäufer oder Techniker sucht ein Produkt mit bestimmten Spezifikationen, vergleicht Datenblätter und fragt dann bei zwei oder drei Anbietern an. Genau dieses Muster passt perfekt zu KI-Assistenten. Statt zehn Herstellerseiten zu öffnen, stellt der Einkäufer eine Frage in natürlicher Sprache und bekommt eine Shortlist mit Begründung.

Aktuelle Studien zeichnen ein deutliches Bild: Laut Forrester nutzt die große Mehrheit der B2B-Einkäufer inzwischen KI-Tools wie ChatGPT, Perplexity oder Gemini, um vor dem ersten Anbieterkontakt eine Shortlist zu erstellen. Das deckt sich mit dem, was wir selbst beobachten: Erstgespräche beginnen immer häufiger mit "Wir haben ChatGPT gefragt, und ihr wart dabei."

Für Hersteller und Händler bedeutet das eine unbequeme Wahrheit: Die Vorauswahl findet zunehmend statt, bevor jemand deine Website besucht. Wenn die KI dein Produkt nicht kennt oder deine Daten nicht versteht, existierst du in dieser Phase schlicht nicht. Die gute Nachricht: Die Hebel dafür liegen fast vollständig in deinen Produktdaten, und die kontrollierst du selbst.

Was KI-Systeme zitierbar macht: Produktdaten als GEO-Fundament

Die meisten GEO-Ratgeber reden über Blogartikel und Marken-Erwähnungen. Für Hersteller und Händler ist der wichtigere Hebel ein anderer: die Produktdaten selbst. Ein KI-System, das eine Produktempfehlung ausspricht, braucht harte, überprüfbare Fakten: Spezifikationen, Normen, Abmessungen, Verfügbarkeiten. Vier Bausteine entscheiden darüber, ob es deine Daten dafür nutzen kann.

1. Strukturierte Daten mit Schema.org

Schema.org-Markup ist maschinenlesbare Auszeichnung, die deiner Website beiliegt und Inhalte eindeutig klassifiziert. Für GEO sind vor allem drei Typen relevant:

• Product: Name, Hersteller, Artikelnummer (GTIN/MPN), technische Eigenschaften, Preis. Damit weiß die Maschine zweifelsfrei, dass es sich um ein Produkt handelt und welche Eigenschaften es hat.

• FAQPage: Frage-Antwort-Paare in genau dem Format, in dem KI-Assistenten Antworten ausgeben. Eine präzise beantwortete Frage auf deiner Seite ist eine fertige Zitatvorlage.

• Organization und BreadcrumbList: Wer steht hinter der Seite, und wie ist sie aufgebaut? Beides hilft KI-Systemen, deine Inhalte einer vertrauenswürdigen Quelle zuzuordnen und den Kontext einer Seite zu verstehen.

2. llms.txt: nützlich, aber ehrlich einordnen

Die llms.txt ist eine Textdatei im Stammverzeichnis deiner Domain (analog zur robots.txt), die KI-Systemen eine kuratierte Übersicht der wichtigsten Inhalte deiner Website in Markdown liefert: Was bietet das Unternehmen an, wo liegen die zentralen Seiten, welche Inhalte sind relevant?

Zur Ehrlichkeit gehört: llms.txt ist ein Community-Vorschlag aus dem Jahr 2024, kein offizieller Standard. Keiner der großen KI-Anbieter hat sich bislang öffentlich verpflichtet, die Datei in seinen Produktivsystemen auszuwerten, und Analysen aus 2026 zeigen eine Verbreitung von rund 10 Prozent der untersuchten Domains. Warum wir sie trotzdem empfehlen: Der Aufwand liegt bei ein bis zwei Stunden, das Risiko bei null, und einzelne KI-Agenten und Entwickler-Tools werten die Datei bereits aus. Es ist eine günstige Wette auf die Zukunft, kein Wundermittel.

3. Datenblätter und Spezifikationen als crawlbare Inhalte

Viele Hersteller verstecken ihre wertvollsten Inhalte: Technische Daten liegen ausschließlich in PDF-Datenblättern, hinter Logins oder in JavaScript-Konfiguratoren, die Crawler nicht ausführen. Für GEO gilt die einfache Regel: Was nicht als HTML-Text auf der Seite steht, wird selten zitiert. Spezifikationstabellen, Normenbezüge (etwa DIN, ISO oder ATEX-Kennzeichnungen) und Einsatzgrenzen gehören als echte HTML-Tabellen auf die Produktseite, das PDF ist die Ergänzung, nicht der Ersatz. Wie gute, konkrete Produkttexte aussehen, haben wir in unseren 10 Tipps für Produktbeschreibungen zusammengefasst.

4. Konsistenz über alle Kanäle: KI vergleicht Quellen

Hier liegt der Punkt, den fast alle übersehen: KI-Assistenten synthetisieren Antworten aus mehreren Quellen. Sie sehen dein Produkt auf deiner Website, in Händlershops, auf Marktplätzen und in Katalogplattformen, und sie vergleichen. Steht auf deiner Website ein anderes Gewicht als beim Händler, eine andere Leistungsangabe als im Marktplatz-Listing, ist das für die Maschine ein Widerspruch. Widersprüchliche Quellen sind unzuverlässige Quellen, und unzuverlässige Quellen werden seltener zitiert.

Genau hier wird GEO zum Datenqualitätsthema, und damit zum PIM-Thema: Ein PIM-System ist die eine Quelle der Wahrheit, aus der alle Kanäle gespeist werden, Website, Shops, Marktplätze, Datenblätter, Kataloge. Änderst du eine Spezifikation, ändert sie sich überall, und die Widersprüche, die KI-Systemen das Vertrauen nehmen, entstehen gar nicht erst. Wie du den Ausgangszustand deiner Daten systematisch bewertest, zeigt unser Leitfaden zum Messen von Produktdatenqualität.

Was wir bei entitys selbst umgesetzt haben, und was es gebracht hat

Wir schreiben hier nicht nur über GEO, wir haben es auf entitys.io selbst umgesetzt. Drei Maßnahmen, drei ehrliche Einordnungen:

• llms.txt auf der Domain: Eine kuratierte Übersicht unserer wichtigsten Seiten und Inhalte, live unter entitys.io/llms.txt. Aufwand: wenige Stunden. Direkt messbarer Effekt: bislang keiner, das sagen wir offen. Wir betrachten es als Infrastruktur für die nächste Generation von KI-Agenten.

• FAQPage- und BreadcrumbList-Schema auf den Standards-Seiten: Unsere Seiten zu eCLASS, ETIM und BMEcat tragen strukturierte Frage-Antwort-Blöcke und Breadcrumb-Auszeichnung. Damit sind die Kernfragen ("Was ist ETIM?", "Welche BMEcat-Versionen gibt es?") maschinenlesbar beantwortet.

• Zitierfähige Vergleichsinhalte: Unser Vergleichsartikel zu den besten PIM-Systemen für den Mittelstand wird nachweislich von KI-Assistenten als Quelle herangezogen, wenn Nutzer nach PIM-Empfehlungen fragen. Das ist der sichtbarste Effekt unserer GEO-Arbeit: Der Artikel ist strukturiert, faktenbasiert und beantwortet die Frage direkt, genau das Muster, das generative Systeme bevorzugen.

Die Lehre daraus: Den schnellsten sichtbaren Effekt bringen nicht die technischen Dateien, sondern Inhalte, die eine konkrete Frage vollständig und belegbar beantworten. Die Technik (Schema, llms.txt, saubere Struktur) macht diese Inhalte für Maschinen konsumierbar.

GEO für Produktdaten in 7 Schritten

1. Crawlbarkeit prüfen: Stelle sicher, dass KI-Crawler (etwa GPTBot, ClaudeBot, PerplexityBot) in deiner robots.txt nicht ausgesperrt sind und deine Produktseiten ohne JavaScript-Rendering lesbaren HTML-Text liefern.

2. Produktdaten konsolidieren: Schaffe eine führende Quelle für alle Produktinformationen, damit Website, Shop und Marktplätze identische Werte ausspielen. Das ist die Kernaufgabe eines PIM, und der Schritt mit dem größten Langfrist-Effekt.

3. Spezifikationen als HTML ausspielen: Technische Daten, Normen und Einsatzgrenzen als echte Tabellen auf die Produktseite, nicht nur ins PDF.

4. Schema.org-Markup ergänzen: Product-Schema auf Produktseiten, Organization auf der Domain, FAQPage überall dort, wo du echte Fragen beantwortest.

5. Fragen deiner Kunden direkt beantworten: Baue FAQ-Blöcke und Ratgeberinhalte, die die tatsächlichen Rechercherfragen deiner Einkäufer präzise beantworten, mit Zahlen und Belegen statt Marketingprosa.

6. llms.txt anlegen: Eine kuratierte Markdown-Übersicht deiner wichtigsten Seiten im Stammverzeichnis, im Wissen um den experimentellen Status.

7. Stichprobenartig testen: Frage ChatGPT, Perplexity und den Google-KI-Modus regelmäßig nach deiner Produktkategorie ("beste Lösung für X", "Hersteller von Y mit Z-Zertifizierung") und dokumentiere, ob und wie du auftauchst. Das ist heute die ehrlichste verfügbare Messung.

Wer die Datenbasis dafür ohnehin gerade aufbaut: KI hilft auch beim Erstellen und Pflegen der Produktdaten selbst, von Textgenerierung bis Attributbefüllung. Praktische Szenarien haben wir im Artikel KI im PIM: praktische Use Cases beschrieben.

Ehrliche Einordnung: Was GEO heute (noch) nicht kann

GEO ist eine junge Disziplin, und wer dir heute garantierte KI-Sichtbarkeit verkauft, verspricht mehr, als der Stand der Technik hergibt. Drei Einschränkungen solltest du kennen:

• Begrenzte Messbarkeit: Es gibt keine "Search Console für ChatGPT". Du siehst Referral-Traffic aus einigen KI-Tools und kannst Zitate stichprobenartig prüfen, mehr nicht.

• Keine stabilen Rankings: Generative Antworten variieren je nach Formulierung, Modellversion und Tagesform. Ein Zitat heute ist keine Garantie für morgen.

• Schnell veränderliche Spielregeln: Was Modelle bevorzugen, kann sich mit jedem Release ändern. Deshalb lohnt es sich, in das zu investieren, was in jedem Szenario wertvoll bleibt: korrekte, konsistente, strukturierte Produktdaten.

Genau das ist die eigentliche Botschaft: GEO ist kein Trick, sondern eine weitere Ausspielung guter Produktdaten. Wer seine Daten im Griff hat, bedient Google, Marktplätze, Kataloge und KI-Assistenten aus derselben Quelle. Wer sie nicht im Griff hat, verliert auf allen Kanälen gleichzeitig.

Häufig gestellte Fragen

Was ist der Unterschied zwischen SEO und GEO?

SEO optimiert auf ein Ranking in der Linkliste einer Suchmaschine. GEO optimiert darauf, von KI-Assistenten als Quelle für synthetisierte Antworten verwendet und zitiert zu werden. GEO ersetzt SEO nicht, sondern baut darauf auf: KI-Systeme nutzen Suchindizes, um Quellen zu finden, und entscheiden dann anhand von Struktur, Faktendichte und Konsistenz, welche sie zitieren.

Was ist eine llms.txt?

Eine llms.txt ist eine Markdown-Textdatei im Stammverzeichnis einer Website (z. B. entitys.io/llms.txt), die KI-Systemen eine kuratierte Übersicht der wichtigsten Inhalte liefert. Sie ist ein Community-Vorschlag von 2024, kein verbindlicher Standard: Die großen KI-Anbieter haben ihre Auswertung bislang nicht offiziell zugesagt. Wegen des minimalen Aufwands ist sie trotzdem eine sinnvolle, risikofreie Ergänzung.

Warum sind Produktdaten für GEO so wichtig?

KI-Assistenten empfehlen Produkte anhand harter Fakten: Spezifikationen, Normen, Verfügbarkeiten. Diese Fakten müssen crawlbar, strukturiert und über alle Kanäle konsistent sein. Widersprüche zwischen Website, Händlershop und Marktplatz senken das Vertrauen der Systeme in deine Daten und damit die Wahrscheinlichkeit, zitiert zu werden.

Welche Rolle spielt ein PIM-System bei GEO?

Ein PIM-System ist die eine Quelle der Wahrheit für alle Produktdaten. Es sorgt dafür, dass jede Ausspielung, von der Produktseite über den Marktplatz bis zum Datenblatt, dieselben, aktuellen Werte trägt. Diese Konsistenz ist die Grundvoraussetzung für Zitierbarkeit, und sie lässt sich ohne zentrales System bei wachsendem Sortiment praktisch nicht halten.

Lässt sich der Erfolg von GEO messen?

Nur eingeschränkt. Du kannst Referral-Traffic aus KI-Tools in deiner Webanalyse beobachten und regelmäßig stichprobenartig testen, ob KI-Assistenten deine Produkte und Inhalte bei relevanten Fragen nennen. Ein etabliertes, verlässliches Reporting wie in der klassischen Suche existiert noch nicht. Seriöses GEO arbeitet deshalb mit Hypothesen und Stichproben, nicht mit Garantien.

Sprich mit uns über deine Produktdaten

GEO beginnt nicht mit einem neuen Tool, sondern mit sauberen, konsistenten Produktdaten. Wenn du wissen willst, wie du dein Sortiment zur zitierfähigen Datenbasis machst, von der Strukturierung im PIM bis zur Ausspielung in alle Kanäle, lass uns sprechen: Vereinbare ein unverbindliches Gespräch. Wir zeigen dir an deinen eigenen Daten, wo du stehst und welche Schritte den größten Hebel haben.